論文の概要: Towards Natural Language Question Answering over Earth Observation
Linked Data using Attention-based Neural Machine Translation
- arxiv url: http://arxiv.org/abs/2101.09427v1
- Date: Sat, 23 Jan 2021 06:12:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 10:51:46.636558
- Title: Towards Natural Language Question Answering over Earth Observation
Linked Data using Attention-based Neural Machine Translation
- Title(参考訳): 注意型ニューラルマシン翻訳を用いた地球観測データを用いた自然言語質問応答
- Authors: Abhishek V. Potnis, Rajat C. Shinde, Surya S. Durbha
- Abstract要約: 本稿では、自然言語問題からGeoSPARQLクエリへの変換に注意を払い、RNNベースのニューラルマシン翻訳の使用を研究および分析する。
Corine Land Cover (CLC) Linked Data上の自然言語問題からGeoSPARQLクエリへのマッピングからなるデータセットが作成され、ディープニューラルネットワークのトレーニングと検証が行われている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With an increase in Geospatial Linked Open Data being adopted and published
over the web, there is a need to develop intuitive interfaces and systems for
seamless and efficient exploratory analysis of such rich heterogeneous
multi-modal datasets. This work is geared towards improving the exploration
process of Earth Observation (EO) Linked Data by developing a natural language
interface to facilitate querying. Questions asked over Earth Observation Linked
Data have an inherent spatio-temporal dimension and can be represented using
GeoSPARQL. This paper seeks to study and analyze the use of RNN-based neural
machine translation with attention for transforming natural language questions
into GeoSPARQL queries. Specifically, it aims to assess the feasibility of a
neural approach for identifying and mapping spatial predicates in natural
language to GeoSPARQL's topology vocabulary extension including - Egenhofer and
RCC8 relations. The queries can then be executed over a triple store to yield
answers for the natural language questions. A dataset consisting of mappings
from natural language questions to GeoSPARQL queries over the Corine Land
Cover(CLC) Linked Data has been created to train and validate the deep neural
network. From our experiments, it is evident that neural machine translation
with attention is a promising approach for the task of translating spatial
predicates in natural language questions to GeoSPARQL queries.
- Abstract(参考訳): Geospatial Linked Open Dataの採用とWeb上での公開により、このようなリッチなヘテロジニアスなマルチモーダルデータセットのシームレスかつ効率的な探索的分析のための直感的なインターフェースとシステムを開発する必要がある。
この研究は、クエリーを容易にする自然言語インタフェースを開発することにより、地球観測(EO)リンクデータの探索プロセスの改善を目的としている。
地球観測リンクデータに関する質問は、本質的に時空間次元を持ち、GeoSPARQLを使って表現することができる。
本稿では,自然言語質問からGeoSPARQLクエリへの変換を目的とした,RNNに基づくニューラルネットワーク翻訳の検討と解析を行う。
具体的には、自然言語における空間述語を、-egenhofer と rcc8 の関係を含む geosparql のトポロジー語彙拡張に識別・マッピングするための神経アプローチの実現可能性を評価することを目的としている。
クエリはトリプルストア上で実行され、自然言語の質問に対する回答が得られる。
自然言語の質問から、Corine Land Cover(CLC)上のGeoSPARQLクエリへのマッピングからなるデータセットが作成され、ディープニューラルネットワークのトレーニングと検証が行われた。
実験から,自然言語質問における空間述語をGeoSPARQLクエリに翻訳する作業において,注意を伴うニューラルマシン翻訳が有望なアプローチであることは明らかである。
関連論文リスト
- GeoReasoner: Reasoning On Geospatially Grounded Context For Natural Language Understanding [0.32885740436059047]
GeoReasonerは、地理的に接地された自然言語を推論できる言語モデルである。
まず、Large Language Modelsを利用して、言語推論と距離情報に基づく総合的な位置記述を生成する。
また、方向と距離の情報を擬似文として扱うことで空間埋め込みに符号化する。
論文 参考訳(メタデータ) (2024-08-21T06:35:21Z) - Into the Unknown: Generating Geospatial Descriptions for New Environments [18.736071151303726]
レンデブー課題は、同心空間関係の推論を必要とする。
座標と組み合わせたオープンソース記述(例えばウィキペディア)を使用することで、トレーニングデータを提供するが、空間指向の限られたテキストに悩まされる。
新しい環境のための高品質な合成データを生成するための大規模拡張手法を提案する。
論文 参考訳(メタデータ) (2024-06-28T14:56:21Z) - Geode: A Zero-shot Geospatial Question-Answering Agent with Explicit Reasoning and Precise Spatio-Temporal Retrieval [0.0]
本研究では,ゼロショット地理空間的質問応答タスクを高精度に処理するための先駆的システムを提案する。
当社のアプローチは,現在の大規模言語モデルの限界に対処する上で,大幅な改善を図っている。
論文 参考訳(メタデータ) (2024-06-26T21:59:54Z) - Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。
この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。
方言データセットに対するNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
論文 参考訳(メタデータ) (2024-01-11T03:04:38Z) - Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching [60.645802236700035]
自然言語コマンドを通じてドローンをナビゲートすることは、アクセス可能なマルチモーダルデータセットが不足しているため、依然として難しい。
我々は新しい自然言語誘導ジオローカライゼーションベンチマークGeoText-1652を紹介する。
このデータセットは、インタラクティブなヒューマンコンピュータプロセスを通じて体系的に構築される。
論文 参考訳(メタデータ) (2023-11-21T17:52:30Z) - GeoLM: Empowering Language Models for Geospatially Grounded Language
Understanding [45.36562604939258]
本稿では,自然言語におけるジオテリティーの理解を深める言語モデルGeoLMを紹介する。
また、GeoLMは、トポノニム認識、トポノニムリンク、関係抽出、ジオエンタリティタイピングをサポートする有望な能力を示すことを示した。
論文 参考訳(メタデータ) (2023-10-23T01:20:01Z) - Core Building Blocks: Next Gen Geo Spatial GPT Application [0.0]
本稿では,自然言語理解と空間データ分析のギャップを埋めることを目的としたMapGPTを紹介する。
MapGPTは、ロケーションベースのクエリに対するより正確でコンテキスト対応の応答を可能にする。
論文 参考訳(メタデータ) (2023-10-17T06:59:31Z) - MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。
MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。
提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
論文 参考訳(メタデータ) (2023-01-11T03:05:12Z) - Explaining Patterns in Data with Language Models via Interpretable
Autoprompting [143.4162028260874]
本稿では,データを説明する自然言語文字列を生成するアルゴリズムである,解釈可能なオートプロンプト(iPrompt)を提案する。
iPromptは、基盤となるデータセット記述を正確に見つけることで、意味のある洞察を得ることができる。
fMRIデータセットを用いた実験は、iPromptが科学的発見に役立つ可能性を示している。
論文 参考訳(メタデータ) (2022-10-04T18:32:14Z) - GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and
Event Extraction [107.8262586956778]
言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。
GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。
そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
論文 参考訳(メタデータ) (2020-10-06T20:30:35Z) - Information-Theoretic Probing for Linguistic Structure [74.04862204427944]
本稿では,相互情報を推定するための情報理論による探索運用手法を提案する。
我々は,NLP研究でしばしば不足している10の型的多様言語について評価した。
論文 参考訳(メタデータ) (2020-04-07T01:06:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。